人工智能，即讓機器去實現所有與人類智能有關的功能，做到像人一樣看懂、聽懂，并且會思考、會行動。現階段，基于深度學習的人工智能技術路線成為主流，強調通過感知+理解+決策來實現合理地行動，基于大量先驗知識做出相對合理的判斷和決策。

　　一、中國人工智能行業發展現狀分析

　　全球人工智能創業公司2017年的融資額達到了創紀錄的152億美元，其中，中國企業占總數的48％，高于2016年的11.6％，美國排名第二，占38％。同時在人工智能相關知識產權方面，中國也隱有趕超美國之勢，例如在深度學習領域，中國專利出版物是美國的6倍。

全球人工智能融資額占比

資料來源：公開資料整理

2014-2017年中國、美國專利出版物數據（Keyword：Deeplearning）

資料來源：公開資料整理

2014-2017年中國、美國專利出版物數據（Artificialintelligence）

資料來源：公開資料整理

2014-2017年中國、美國專利出版物數據（Machinelearning）

資料來源：公開資料整理

　　計劃提出，以信息技術與制造技術深度融合為主線，以新一代人工智能技術的產業化和集成應用為重點，推進人工智能和制造業深度融合，加快制造強國和網絡強國建設。

　　4、中國電子技術標準化研究院《人工智能標準化白皮書(2018版)》：提出能夠適應和引導人工智能產業發展的標準體系

　　2018年1月，在國家人工智能標準化總體組、專家咨詢組成立大會上，國家標準化管理委員會宣布成立國家人工智能標準化總體組、專家咨詢組，負責全面統籌規劃和協調管理我國人工智能標準化工作。會議發布了《人工智能標準化白皮書(2018版)》，從支撐人工智能產業整體發展的角度出發，研究制定了能夠適應和引導人工智能產業發展的標準體系，進而提出近期急需研制的基礎和關鍵標準項目。

　　5、國務院2018《政府工作報告》：加強新一代人工智能研發應用

　　2018年3月5日，在第十三屆全國人民代表大會第一次會議上，國務院總理李克強在政府工作報告中提出：“發展壯大新動能。做大做強新興產業集群，實施大數據發展行動，加強新一代人工智能研發應用，在醫療、養老、教育、文化、體育等多領域推進‘互聯網+’。發展智能產業，拓展智能生活。運用新技術、新業態、新模式，大力改造提升傳統產業。”

　　三、中國人工智能行業存在的問題

　　1、底層技術基礎差

　　由于我國人工智能產業重應用技術、輕基礎理論，底層技術積累薄弱，存在“頭重腳輕”的結構不均衡問題，使我國人工智能產業猶如建立在沙灘上的城堡，根基不穩。基層技術積累薄弱使人工智能核心環節受制于人，阻礙人工智能領域重大科技創新，不利于國內企業參與國際競爭，并使國民經濟和國家安全存在遠期隱憂。

　　從技術角度而言，國內人工智能的計算機視覺、語音識別、自然語言處理等應用技術已接近甚至達到國際先進水平，但在基礎元器件、底層算法和理論研究等方面與國際水平差距較大，缺乏重大原創科技成果。

　　資本角度而言，截至2017年6月，國內人工智能領域投融資主要集中于計算機視覺、自然語言處理和自動駕駛等應用技術領域，人工智能芯片領域的累計融資額僅占人工智能產業總融資額的2.1%。相比之下，美國人工智能產業的這一比例高達31.5%。

　　從企業分布角度而言，截至2017年6月，國內人工智能芯片企業數量為14家，旦均為規模較小的初創企業，難以滿足芯片領域技術和資金門檻極高的要求，在數量上僅為美國的42%，而且缺乏像美國芯片領域的谷歌、英特爾、IBM、高通、英偉達等科技巨頭。

　　2、應用路徑不明朗 我國人工智能產業處于早期發展階段，商業化應用路徑尚不明確，商業落地的痛點突出，這些問題都與當前不斷高漲的關注度形成鮮明對比，形成“雷聲大雨點小”的現象，致使近期的實際商業價值變現難度較大。

　　從應用對象角度而言，由于人工智能產業與外界缺乏深入、有效的宣傳推介、信息交流、資源對接渠道，傳統行業和個人消費者對人工智能的認識仍局限于概念層面，對其具體的發展脈絡、技術效能和應用模式等缺乏清晰認識。

　　在傳統行業，尤其是部分勞動密集型行業對應用人工智能的改造成本、實際效益存在疑慮，甚至對旨在“機器換人”的人工智能存在認知偏差和抵觸情緒。

　　從應用環境角度而言，人工智能在推廣應用時，面臨資質、數據、標準、安全評估等行業準入壁壘。部分行業存在顯著的數據壁壘，例如，部分工業制造領域尚未完成數字化，數據獲取難度大；金融領域敏感性大，數據分享面臨較大的政策和行業阻力。人工智能在數據接口標準、技術評價指標、安全評估管控等方面存在缺失，阻礙其在其他行業及個人消費領域中的推廣應用。

　　3、發展氛圍顯浮躁

　　人工智能概念雖當前火熱，但企業和政府對產業發展理解不透、思考不足，普遍高估并急于兌現人工智能的近期商業價值。產業發展氛圍略顯浮躁，面臨同質化、碎片化風險，這些都可能延長人工智能商業價值的兌現周期，并加劇產業未來發展的周期性波動幅度
從企業角度而言，雖然人工智能的企業數量和融資規模迅速攀升，但存在大小企業一擁而上、炒作概念的現象。云計算、大數據企業紛紛改換門庭，導致人工智能產業魚目混珠，企業技術水平參差不齊。企業急于將人工智能商業價值變現，對技術難度的預估過于樂觀，對自身技術產品普遍夸大宣傳，瞄準的發力方向存在扎堆現象。同時，企業面臨政府、資本、同業及輿論的多重壓力，在主營方向、技術研發方面缺乏定力，技術、產品普遍趨同情況顯著。

　　從政府角度而言，地方政府雖然對發展人工智能產業抱有極大熱情，但對人工智能等新興產業的產業特征、發展規律和培育模式缺乏深刻理解，仍慣于采用傳統的招商引資模式，重引進、輕培育，試圖通過形成政策、資金和資源洼地來爭奪國內稀缺的人工智能產業資源。政府在產業生態培育、配套資源對接、業務市場開拓、公共平臺建設等方面缺乏經驗和耐心，部分省市已發布的人工智能發展規劃缺乏實質內容和可操作性，規劃的實際效果和扶持政策的可持續性存疑。

　　4、專業人才不充足

　　人工智能是新興產業，雖然技術和產業發展迅猛，但專業技術人才，以及兼顧人工智能與傳統產業的跨界人才不充足，限制了產業發展以及與實體經濟的深度融合發展。

　　從人才數量和質量角度而言，我國人工智能領域專業技術人才數量不充足、經驗不豐富。截至2017年6月，中國共有592家人工智能公司，擁有員工約39200名。相比之下，美國共有1078家人工智能公司，共有約78000名員工，數量達到我國的2倍。我國從業經驗10年以上的人工智能人才比例不足40%，而美國的這一比例則超過70%。

　　從人才培養角度而言，我國高校人工智能領域的學科建設、人才培養相對滯后。人工智能涉及領域寬泛，相關領域學科資源分散，未能形成合力，培養人才的數量、質量有待提升。目前，國內開設人工智能專業的高校數量較少、時間較短，學科實力不強。美國國家科技委員會發布的2017年人工智能全球大學排名中前50名均位于歐美地區，我國大學無一上榜。此外，國內缺乏人工智能與傳統行業的跨界人才，不利于人工智能在各垂直行業的應用推廣。

　　四、人工智能行業發展的對策分析

　　1、重點突破基礎領域。針對人工智能底層技術，加強對以深度學習為代表的底層算法模型的深入研究，并積極布局影響人工智能未來發展的前沿基礎理論研究。強化在基礎材料、元器件、芯片、傳感器等領域的研究，加快突破圖形處理器、現場可編程門陣列、專用集成電路等基礎硬件核心技術。強化相關各個基礎領域研究。

　　2、推動人工智能技術融合發展。依托底層的基礎理論、算法模型和核心硬件基礎，開發人工智能算法開發工具、數據庫、中間件等關鍵軟件，推動人工智能開源軟硬件平臺及生態建設，促進基于人工智能的計算機視覺、生物特征識別、自然語言處理等應用技術的研發和產業化。加強前沿技術布局，構造未來融合創新技術基礎。

　　3、強化基礎支撐建設。建設滿足深度學習等智能計算需求的新型計算集群共享平臺、人工智能開源算法及軟件基礎平臺、多種生物特征識別的基礎身份認證平臺、人工智能云服務平臺等基礎資源及產業公共服務平臺。構建基礎支撐平臺建設。

　　4、推動重點領域示范應用。精準選取應用場景，推動人工智能與實體經濟的深度融合。促進人工智能在工業領域設計、制造、運維環節的應用，提升質量效率、降低成本。推動鼓勵人工智能在教育、交通、醫療、安防等服務和民生領域的推廣，提升產品、服務的智能化水平，促進無人零售等新興商業模式的創新發展。通過人工智能在重點領域的示范應用，推動強化人工智能技術水平的提升和商業化路徑的篩選，實現人工智能與實體經濟的深度融合，促進人工智能的規模化應用和傳統行業的轉型升級。

　　5、消除行業準入壁壘。重點建設面向人工智能的公共數據庫、測試標準、服務平臺等，促進各類通用軟件和技術平臺的開源開放，形成良性發展的產業生態。加速完善人工智能面向行業應用的各項檢驗評測、標準、安全評價體系，消除人工智能向各行業推廣應用時面臨的資質、數據接口、評價標準等行業準入壁壘，加強宣傳引導和政策規范，避免產生新壁金。

　　6、以領軍企業為龍頭打造產業創新平臺。鼓勵各細分領域企業通過產業創新平臺提振創新動能，構建以大企業為引領的創新網絡。面向市場應用需求，突出培育一批具有示范作用的創新企業集群，并由此形成分領域的投資目標。

　　7、促進開放創新體系建設。依托中國人工智能產業創新聯盟等第三方專業機構，舉辦中國人工智能產業創新大賽等競技比賽鼓勵創新。聚焦重點熱點問題，促進推進人工智能企業和團隊創新水平的提高。依托中國人工智能產業創新基地等產業載體，為人工智能企業發展提供最優環境和優秀學習范例。

　　推動國內外交流合作。利用中國人工智能產業創新聯盟等第三方專業機構的資源優勢，推動國內行業交流和國內外技術發展交流。以研討會、交流論壇、學術年會等形式，促進我國同行之間、我國與國外知名專家、企業家和智庫開展合作交流。確保現階段我國人工智能總體技術和應用與世界先進水平保持同步。

　　8、加強相關學科建設。依托現有的人工智能相關學科，大力推動學科間合作和資源優化集中，形成研發和教學合力，培養人工智能領域內跨學科人才。加快人工智能相關學科布局，在有基礎的院校強化人工智能相關學科的師資力量，擴大高學歷人才的培養規模。鼓勵高校、科研院所加大與人工智能企業、國外高校及相關機構的合作力度，打造多種形式的人才培養平臺。

　　加大人才引進力度。針對人工智能芯片、基礎算法模型等重點領域，充分利用現有各類人才計劃，并設立專門通道和定向優惠政策，加大對國際頂級科學家和高層次人才的吸引力，加快人才引進效率，擴大人才引進規模。鼓勵高校、科研院所和企業采用項目合作、技術咨詢、交流訪問等多種形式引進人工智能人才，加大技術合作力度。